r - 为什么指定sampsize不能加快randomForest的速度？

我正在尝试使用软件包randomForest在R中的this large dataset上运行随机森林回归。我遇到了所需的计算时间问题，即使与doSNOW和10-20个内核并行时也是如此。我认为我误解了函数randomForest中的“ sampsize”参数。
当我将数据集子集为100,000行时，我可以在9-10秒内构建1棵树。

training = read.csv("training.csv")
t100K = sample_n(training, 100000)
system.time(randomForest(tree~., data=t100K, ntree=1, importance=T)) #~10sec

但是，当我在运行randomForest的过程中使用sampsize参数从完整数据集中采样100,000行时，同一棵1树需要花费数小时。

system.time(randomForest(tree~., data=training, sampsize = ifelse(nrow(training<100000),nrow(training), 100000), ntree=1, importance=T)) #>>100x as long. Why?

显然，我最终将运行>> 1树。我在这里想念什么？谢谢。

最佳答案

您的括号略有倾斜。请注意以下语句之间的区别。您目前有：

ifelse(nrow(mtcars<10),nrow(mtcars), 10)

它计算布尔矩阵mtcars<10中的行数，该矩阵中mtcars中的每个元素的TRUE小于10，否则为FALSE。你要：

ifelse(nrow(mtcars)<10,nrow(mtcars), 10)

希望这可以帮助。